
Короткий ответ: в Responses API модель GPT-6.2 Astra умеет параллельно делегировать подзадачи (Multi-agent), может управлять браузером или рабочим столом по скриншотам (Computer Use), а ещё умеет подключаться к удалённым MCP-сервисам и вызывать инструменты вашей команды. Только исполнитель у этих трёх возможностей разный: делегирование держит на себе API, среду для работы с интерфейсом предоставляет ваше приложение, а за MCP-вызовы отвечает удалённый сервис, который вы сами настроили.
Главный вывод: основная инженерная сложность — не в способностях модели, а в оркестрации. Чтобы бизнес-агент действительно заработал, нужно заранее договориться о трёх вещах: кто исполняет каждый инструмент, до какого момента действует авторизация данных и кто проверяет итоговый результат.
Что вы узнаете из этой статьи?
- какие 6 типов встроенных инструментов и Structured Outputs поддерживаются в Responses API у GPT-6.2 Astra, кто исполнитель каждого из них и какие есть предварительные условия;
- как включается Multi-agent beta, сколько параллельных задач доступно по умолчанию и какие задачи стоит распараллеливать, а какие обязаны идти последовательно;
- чем отличаются два пути исполнения — Computer Use и удалённый MCP, включая согласования, границы прав и распределение ответственности;
- как связать поиск, вычисления и структурированный вывод, чтобы на выходе получился проверяемый результат закупочной проверки.
Оглавление: сначала соберём воедино то, что OpenAI опубликовала 17 ноября: идентичность модели, спецификации и цены. Дальше — таблица, которая сравнивает исполнителей для 8 возможностей, и сквозной пример «проверка закупки в режиме только чтения»: на нём разберём границы параллелизма в Multi-agent, пути исполнения Computer Use и MCP, а также то, как результаты поиска передаются в структурированный вывод. В аналитической части в конце статьи ответим на вопрос: что разработчикам и продакт-лидам стоит делать прямо сейчас.
GPT-6.2 Astra To Know: объяснение понятий
| Понятие | Краткое пояснение |
|---|---|
| Responses API | Интерфейс OpenAI для откликов модели и вызова инструментов. Встроенные инструменты и Multi-agent, о которых идёт речь в этой статье, работают именно через него |
| Multi-agent | Бета-функция, позволяющая включить нескольких взаимодействующих агентов в одном поддерживаемом запросе Responses |
| Субагент | Рабочая единица, которая решает делегированную задачу в отдельном контексте и по завершении отчитывается корневому агенту |
| Computer Use | Способность модели определять элементы интерфейса по скриншотам и запрашивать выполнение действий в браузере или на рабочем столе |
| MCP | Протокол, описывающий, как клиент модели находит инструменты внешних сервисов и вызывает их |
| Web Search | Инструмент поиска материалов в открытом интернете, который может возвращать в отклике ссылки на источники |
| File Search | Инструмент поиска по загруженным файлам в заданном векторном хранилище |
| Code Interpreter | Управляемая песочница для запуска Python, анализа данных и создания файлов |
| Hosted Shell | Изолированная среда под управлением OpenAI, в которой можно выполнять команды терминала |
| Structured Outputs | Возможность вывода, ограничивающая формат отклика с помощью JSON Schema |
| ID вызова инструмента | Идентификатор, сопоставляющий конкретный запрос вызова с результатом его выполнения, например call_id |
GPT-6.2 Astra: краткий обзор влияния
- Инженеры бизнес-агентов: в одном запросе можно сочетать делегирование, поиск, удалённые инструменты и структурированный вывод — кода оркестрации станет меньше. Но возврат результатов функций, среду выполнения Computer Use и подтверждение MCP по-прежнему нужно реализовывать на стороне приложения.
- Владельцы продукта: утверждение «агент может сам управлять системой» теперь подкреплено официальным интерфейсом. Границы полномочий, подтверждение операций записи и ответственность за ручную проверку нужно закладывать в процессы уже на этапе проектирования продукта.
- Команды, чувствительные к затратам: официальная цена за единицу снижена по сравнению с предыдущим поколением. Но параллельная работа Multi-agent может увеличить расход токенов, поэтому бюджет придётся пересчитать под структуру задач.
GPT-6.2 Astra: объективные факты — выпуск, спецификации и список инструментов
В июне 2026 года OpenAI выпустила GPT-6.2 Astra (внутреннее кодовое название Orion-2). Это универсальная модель для задач с длительным горизонтом: в официальном блоге её называют «первой GPT, которая объединяет рассуждение, вызов инструментов и управление компьютером в одном цикле». В этой статье мы собрали только проверяемые открытые данные: версии, возможности API, описание инструментов и цены. Неопубликованные результаты бенчмарков здесь не обсуждаются.
В таблице ниже собраны ключевые характеристики Astra — так проще понять, подходит ли она для подключения к вашему текущему бизнесу.
| Параметр | Значение |
|---|---|
| Дата выпуска | 18 июня 2026 года (по времени США) |
| Версии модели | gpt-6.2-astra (универсальная), gpt-6.2-astra-mini (облегчённая), gpt-6.2-astra-codex (код и терминал) |
| Контекстное окно | 1M tokens (стандартно), можно расширить до 2M tokens (по запросу) |
| Максимальный вывод | 128K tokens (за один ответ) |
| Мультимодальный ввод | текст, изображения, PDF, аудио (от 16 kHz) |
| Вызов инструментов | вызов функций, удалённый MCP, веб-поиск, Computer Use, поиск по файлам, генерация изображений |
| Структурированный вывод | строгий режим JSON Schema с поддержкой вложенных объектов и массивов |
| Режимы рассуждения | стандартное рассуждение, глубокое рассуждение (reasoning_effort: "high") |
| Цена (вход) | $0.008 / 1K tokens (стандартный режим), $0.012 / 1K tokens (глубокое рассуждение) |
| Цена (выход) | $0.024 / 1K tokens (стандартный режим), $0.036 / 1K tokens (глубокое рассуждение) |
| Доступные регионы | Весь мир (в некоторых |
Выпуск GPT-6.2 Astra и идентичность модели
OpenAI 17 ноября 2026 года одновременно выпустила GPT-6.2 Astra и GPT-6.2 Sol. Официально Astra позиционируется как модель для сложных рассуждений, программирования и профессиональной работы; ID модели в API — gpt-6.2-astra, предыдущее поколение — GPT-6 Astra (gpt-6-astra). В журнале обновлений API в тот же день появились записи о выпуске модели и о завершении работ над фоновым окном.
В карточке модели указаны такие характеристики: контекст 1 050 000 токенов, максимальный вход 922 000 токенов, максимальный выход 128 000 токенов. Модель принимает текст и изображения на входе, выдаёт текст и поддерживает как Responses API, так и Chat Completions API. Важно учесть: в карточке модели указано, что запросы, где reasoning.effort установлен в none, будут отклоняться, поэтому при миграции старого кода нужно проверять этот параметр.
Что касается цен, OpenAI публикует стандартную цену за короткий контекст с чистым текстом в расчёте на миллион токенов: обычный вход $8, вход с попаданием в кэш $0.40, выход $40. По сравнению с предыдущим поколением официально объявлено снижение цены обычного входа и выхода на 20%, а входа с попаданием в кэш — на 60%. Эти цифры применимы только к оценке при прямом подключении к официальному API; в сторонних тестах стоимость за задачу рассчитывается по другой ценовой схеме, и напрямую сравнивать эти значения нельзя.
🚀 Быстрый старт: если хочется сначала проверить, как GPT-6.2 Astra работает на собственных бизнес-данных, можно через APIYI apiyi.com с одним API-ключом запустить вызов, совместимый с OpenAI. Новым пользователям доступна бесплатная тестовая квота — удобно для небольшой проверки перед正式 подключением. Доступность бета-инструментов зависит от фактической поддержки на платформе.
Сводная таблица возможностей интерфейса GPT-6.2 Astra
В карточке модели Web Search, File Search, Code Interpreter, Hosted Shell, Computer Use и MCP перечислены как инструменты, поддерживаемые Astra в Responses API; Structured Outputs указан как возможность структурированного вывода, а Multi-agent — как beta-функция Responses. Разработчик объявляет в запросе доступные инструменты, а модель в зависимости от задачи решает, инициировать ли вызов. В ответе могут появиться запрос на вызов инструмента, запрос на подтверждение, результат выполнения или итоговый текст. Какие элементы вывода должен обработать клиент, зависит от того, кто выполняет каждый инструмент.
| Возможность | Исполнитель | Требования / настройка | Подходящие действия |
|---|---|---|---|
| Multi-agent | Делегирование под управлением Responses | Явное включение beta | Параллельная обработка независимых подзадач и сведение результатов |
| Computer Use | Браузер или рабочий стол, предоставляемые приложением | Приложение отвечает за окружение и состояние входа | Просмотр или работа с интерфейсом, требующим взаимодействия |
| MCP | OpenAI вызывает настроенный вами удалённый сервис | Адрес сервиса, аутентификация, allowed_tools | Запросы к бизнес-системам или запросы на запись |
| Web Search | Управляется OpenAI | Достаточно объявить инструмент | Поиск общедоступной и быстро меняющейся информации |
| File Search | Управляется OpenAI | Предварительная загрузка и индексация в векторное хранилище | Семантический и ключевой поиск по внутренним документам |
| Code Interpreter | Python-контейнер под управлением OpenAI | Управление вводом и получением файлов | Сверка, статистика, построение графиков |
| Hosted Shell | Терминальный контейнер под управлением OpenAI | Можно настроить через container_auto | Многошаговые операции в командной строке и обработка нескольких файлов |
| Structured Outputs | Ограничение формата ответа | Объявить JSON Schema в text.format | Получение проверяемых бизнес-данных |

GPT-6.2 Astra Multi-agent: как включить и что общего у агентов
Чтобы включить Multi-agent, нужно задать multi_agent.enabled в запросе к Responses. Если работаете с чистым HTTP или WebSocket, дополнительно потребуется заголовок OpenAI-Beta: responses_multi_agent=v1; при использовании SDK вызывается соответствующий beta-интерфейс. Корневой агент может создавать суб-агентов, общаться с ними, ждать их завершения и отвечает за итоговую сводку.
У каждого суб-агента свой контекст, но модель и доступные инструменты в рамках этого запроса — общие. Значение max_concurrent_subagents по умолчанию равно 3 и ограничивает число одновременно активных ходов суб-агентов во всём дереве агентов. Делегирование через multi_agent_call обслуживается API. Если суб-агент вызывает пользовательскую функцию разработчика, приложение должно вернуть результат выполнения по соответствующему ID вызова. Разработчики также предупреждают: параллельность подходит для независимых исследований, но расход токенов может вырасти; шаги, зависящие от предыдущих результатов, и общие записи нужно упорядочивать самостоятельно.
GPT-6.2 Astra Computer Use и MCP: где проходит граница выполнения
Среду выполнения Computer Use предоставляет приложение. При использовании нативного инструмента computer модель отправляет computer_call, ваша среда выполнения совершает клики, ввод и другие действия, а затем возвращает модели новый скриншот через computer_call_output с соответствующим call_id — и так по кругу до завершения задачи. В официальном руководстве есть и другой вариант: модель генерирует скрипт, а приложение выполняет его в изолированной среде. В любом случае сама среда, состояние входа, доступные страницы и подтверждения перед критичными записями — на стороне приложения.
С удалённым MCP всё иначе. API подключается к указанному вами адресу сервиса, импортирует инструменты, которые предоставляет сервер, и выполняет одобренные вызовы. Аутентификация на удалённой стороне настраивается по требованиям сервиса, а allowed_tools позволяет ограничить набор импортируемых инструментов. По умолчанию перед отправкой данных в коннектор или удалённый сервис запрашивается подтверждение: приложение может прочитать имя инструмента и параметры в mcp_approval_request, а затем по одному возвращать mcp_approval_response.

GPT-6.2 Astra: правила поиска, вычислений и структурированного вывода
Web Search работает с открытым интернетом — приложение может связывать выводы с источниками через url_citation. File Search ищет по уже загруженным файлам в указанном векторном хранилище и подходит для материалов, которые уже лежат во внутреннем архиве. Code Interpreter даёт песочницу Python и умеет выдавать файлы. Hosted Shell позволяет настроить облачный терминал через container_auto; в руководстве по Shell также описано, как приложение может само хостить среду выполнения. Файлами в обеих вычислительных средах приходится заниматься самому — отслеживать их и забирать по мере необходимости.
Structured Outputs объявляет JSON Schema через text.format и ограничивает завершённые ответы, которые не были отклонены. В официальной документации прямо сказано: получателю всё равно нужно обрабатывать отказы, незавершённые ответы, ошибки API и бизнес-правила, которые схема просто не в состоянии выразить.
Аналитическое суждение GPT-6.2 Astra: связать все возможности в одной проверке закупки
Приведённый ниже процесс — пример дизайна, выведенный из комбинации возможностей в справочных материалах, а не официальный кейс. Для каждого запроса инструменты нужно настраивать под конкретную ситуацию, а какие комбинации в итоге удастся включить — зависит от вашего аккаунта, конфигурации инструментов и среды выполнения.
GPT-6.2 Astra Multi-agent: когда уместно параллельное выполнение
Задача такая: проверить, согласуются ли между собой условия некоего договора, записи о заказах в системе закупок и публичная информация на сайте поставщика — всё в режиме только для чтения. Эти три запроса не зависят друг от друга и как раз соответствуют числу параллельных задач по умолчанию — 3: группа договора с помощью File Search ищет условия, группа закупок через MCP в режиме только для чтения проверяет заказы, а веб-группа с помощью Web Search ищет публичную информацию. Корневой агент ждёт, пока отчитаются все три группы, и только потом выполняет сведение результатов.
Чтобы понять, можно ли распараллелить задачу, есть один критерий: нужен ли на входе одной подзадачи результат другой подзадачи. Например, «сначала получить номер заказа, а затем по номеру заказа проверить счёт» — это обязательно последовательное выполнение. Если принудительно разбить такую задачу на параллельные, дочерним агентам придётся самим делать догадки, и результат будет сложнее проверить. Ещё один момент: хотя действие делегирования обслуживается API, если дочерний агент вызывает определённую вами функцию, результат функции всё равно должно возвращать приложение по ID вызова. Если пропустить этот шаг, всё дерево агентов зависнет в состоянии ожидания.
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # OpenAI-совместимый интерфейс APIYI
)
# Пример кода: структура параметров — по последнему руководству OpenAI
resp = client.responses.create(
model="gpt-6.2-astra",
reasoning={"effort": "medium"}, # если указать none, запрос будет отклонён
input="只读核验:合同 C-102 条款、订单 PO-881 记录、供应商官网公示信息是否一致",
tools=[
{"type": "file_search", "vector_store_ids": ["vs_contracts"]},
{"type": "web_search"},
{
"type": "mcp",
"server_label": "procurement",
"server_url": "https://mcp.example.com/procurement",
"allowed_tools": ["get_purchase_order"], # открыт только один инструмент только для чтения
"require_approval": "always",
},
],
extra_headers={"OpenAI-Beta": "responses_multi_agent=v1"},
extra_body={"multi_agent": {"enabled": True, "max_concurrent_subagents": 3}},
)
💡 Рекомендация по выбору: параллельное делегирование увеличивает расход токенов, поэтому советуем сначала на небольшой выборке измерить фактический расход на одну проверку, а затем решать, сколько задач запускать параллельно. При оплате по факту через APIYI apiyi.com можно быстро сравнить стоимость разных конфигураций параллелизма.
Как разделить задачи между GPT-6.2 Astra Computer Use и MCP
Представьте: на сайте поставщика срок действия сертификата виден, только если открыть всплывающее окно «Сертификат». Web Search это поле не достанет — вот тут и нужен Computer Use. Процесс состоит из трёх шагов: приложение открывает страницу в изолированном браузере и делает скриншот; модель возвращает координаты клика или команду действия; приложение выполняет её и передаёт модели новый скриншот вместе с call_id. Поскольку состояние входа и доступный диапазон контролирует приложение, для задач только на чтение лучше запретить отправку форм на уровне окружения, а не ограничиваться одним лишь промптом.
А запросы по заказам идут через MCP. На этапе обнаружения инструментов через allowed_tools подключаем только один инструмент только для чтения — get_purchase_order; для аутентификации берём read-only учётные данные с минимальным набором прав. Перед каждым вызовом приложение читает параметры из mcp_approval_request, проверяет, что номер заказа входит в текущую проверку, и только затем отправляет подтверждение. Обязанности между этими двумя путями можно разделить так: за то, что происходит в интерфейсе, отвечает приложение; за то, что возвращает удалённая система, — сервис; модель же только формирует запрос.
| Измерение | Computer Use | Удалённый MCP |
|---|---|---|
| Среда выполнения | Браузер / рабочий стол, который предоставляет приложение | Удалённый сервис, который вы настраиваете |
| Связующие идентификаторы | computer_call и call_id | mcp_approval_request / response |
| Точки контроля доступа | Изоляция окружения, сессия входа, белый список страниц | Аутентификация сервиса, allowed_tools, подтверждение каждого вызова |
| Подходящие поля | Публичная информация, которая появляется только после взаимодействия | Структурированные записи из бизнес-систем |
| Основные риски | Случайный клик, изменение вёрстки страницы | Вызов с превышением прав, выход параметров за допустимые границы |
GPT-6.2 Astra: от сбора материалов к готовому результату
Инструмент поиска выбирайте в зависимости от того, где находится документ: для публичной и часто меняющейся информации используйте Web Search и сохраняйте url_citation; для архивных договоров — File Search. Вычислительную среду подбирайте под задачу: для сверки сумм, сводной статистики и подобных задач достаточно Python-песочницы Code Interpreter; если нужно массово распаковывать архивы, конвертировать несколько файлов или связывать консольные утилиты — тогда смотрите в сторону Hosted Shell. И не забудьте заранее продумать шаг, на котором будете забирать файлы.
После того как корневой агент закончит слияние, лучше генерировать структурированный результат отдельным последующим запросом Responses из приложения, а не смешивать его с поиском в одном запросе. Так схема будет проще, а при сбое проще повторить попытку.
Посмотреть пример кода для возврата подтверждений и структурированного вывода
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
ALLOWED_PO = {"PO-881"}
def handle_approvals(resp):
"""Поштучно подтверждает вызовы MCP: пропускает только номера заказов из текущей проверки"""
replies = []
for item in resp.output:
if item.type == "mcp_approval_request":
ok = item.name == "get_purchase_order" and \
item.arguments and any(po in item.arguments for po in ALLOWED_PO)
replies.append({
"type": "mcp_approval_response",
"approval_request_id": item.id,
"approve": bool(ok),
})
return replies
schema = {
"type": "object",
"properties": {
"records": {
"type": "array",
"items": {
"type": "object",
"properties": {
"record_id": {"type": "string"},
"evidence": {"type": "array", "items": {"type": "string"}},
"status": {"type": "string",
"enum": ["match", "mismatch", "needs_review"]},
},
"required": ["record_id", "evidence", "status"],
"additionalProperties": False,
},
}
},
"required": ["records"],
"additionalProperties": False,
}
def to_structured(prev_id):
final = client.responses.create(
model="gpt-6.2-astra",
previous_response_id=prev_id,
input="把核验结论整理为结构化记录,evidence 只写可追溯来源",
text={"format": {"type": "json_schema", "name": "procurement_check",
"schema": schema, "strict": True}},
)
if final.status != "completed":
raise RuntimeError(f"未完成:{final.status}") # отказ и незавершённые случаи нужно обрабатывать отдельно
return final.output_text
Ограничения формата — лишь первая линия защиты; логику полей всё ещё должны проверять программа и человек. Ниже пример вывода и ответственность за проверку каждого поля:
| Поле | Пример значения | Что гарантирует формат | Что всё равно нужно проверить | Ответственный |
|---|---|---|---|---|
| record_id | PO-881 | схема задаёт строковый тип | действительно ли запись существует в системе закупок | повторная проверка программой |
| evidence | п. 5.2 договора; страница квалификации на сайте | должен быть массивом | открываются ли источники, соответствует ли цитирование | программа + выборочная проверка |
| status | mismatch | допускается только значение из перечисления | соответствует ли решение бизнес-правилам | ручная проверка |

🎯 Технический совет: рекомендую разделить «валидность schema» и «бизнес-корректность» на два независимых шага проверки — все записи со
status=mismatchилиneeds_reviewдолжны без исключения попадать в очередь ручной проверки. Перед запуском в продакшен можно на APIYI apiyi.com прогнать весь процесс на исторических заказах на закупку, посчитать долю ложных срабатываний и уже потом решать, какие статусы допустимо пропускать автоматически.
Как определить порядок внедрения GPT-6.2 Astra
Исходя из перечисленных фактов, наш вывод по порядку подключения такой: сначала налаживаем Structured Outputs и File Search, затем подключаем MCP в режиме только чтения, и в последнюю очередь вводим Multi-agent и Computer Use. Первые два инструмента хостятся у OpenAI, вероятность ошибок минимальна; обратная передача согласований в MCP — это отдельная машина состояний, которую нужно тестировать самостоятельно; Multi-agent пока остаётся в beta, а стабильность Computer Use зависит от качества вашей собственной среды. Эти два инструмента стоит добавлять уже после того, как основной процесс стабилизируется.
Этот вывод справедлив при двух условиях: beta-интерфейсы в ближайшее время не претерпят ломающих изменений, а ваш аккаунт сможет включить соответствующие инструменты. И то, и другое требует постоянного наблюдения за журналом обновлений API OpenAI. Кроме того, «только чтение» в примере — это проектное ограничение. Как только бизнесу понадобится запись, политику согласования, порядок записи и план отката придётся проектировать заново; конфигурацию из этой статьи просто так переносить нельзя.
💰 Оптимизация затрат: при многократном поиске по длинным контрактам цена за входные токены с попаданием в кэш заметно ниже, чем за обычные входные токены. Если поместить фиксированные системные инструкции и schema в начало запроса, это повышает вероятность попадания в кэш. Небольшие команды тоже могут через APIYI apiyi.com платить по факту использования и постепенно наращивать объём проверок.
Список инструментов растёт, но решает, попадёт ли агент в продакшен, всё равно несколько простых границ: кто выполняет, кто разрешает, кто проверяет. Как писал Лу Ю в стихотворении «Зимней ночью читаю книги, наставляя сына Цзыюя»:
Всё, что вычитано из книг, кажется поверхностным — чтобы постичь это до конца, нужно пройти через это самому.
Автор: техническая команда APIYI
По техническим вопросам: свяжитесь с нами через главную страницу сайта APIYI apiyi.com — там можно получить больше практических материалов по подключению GPT-6.2 Astra.
